Президент Y Combinator Гарри Тан (Garry Tan) тринадцать лет не писал код, полностью посвятив себя инвестициям, но внезапное развитие больших языковых моделей (LLM) заставило его вернуться к «терминалу». В новом выпуске подкаста Light Cone участники обсуждают, как использование ИИ-агентов позволяет одному человеку выполнять объем работы, сопоставимый с усилиями целого инженерного департамента, и почему «токенмаксинг» становится новой религией Кремниевой долины.
🚀 Возвращение в строй: от инвестора к строителю 1:30
Гарри Тан признается, что сам шокирован переменами: после 13-летнего перерыва в программировании он внезапно начал выполнять в 400 раз больше работы, чем в свои самые продуктивные годы. Его возвращение началось с личного проекта — платформы Gary’s List, созданной для объединения людей вокруг политических проблем Сан-Франциско, в частности, вопроса доступности алгебры в средних школах.
История создания этого продукта наглядно демонстрирует технологический скачок:
- Первая итерация (Posterous, 2008 год): потребовала $4 млн инвестиций, команду из 7 человек и полтора года разработки. Позже компания была продана Twitter за $20 млн.
- Вторая итерация (Post Haven): обошлась в $100 тыс. и заняла три месяца работы двух сооснователей.
- Третья итерация (Gary’s List, 2026 год): создание полнофункциональной блог-платформы с глубоким поиском (RAG) и агентской аналитикой заняло всего 5 дней и стоило $200 (подписка на Claude Code Max).
По словам Тана, проект Gary’s List — это не просто сайт для блогов, а инструмент, выполняющий работу высококлассного журналиста-расследователя. За $5–10 стоимости вызовов API модель анализирует десятки статей, изучает книги и составляет подробные отчеты со ссылками на источники.
🌊 Философия Tokenmaxxing: «Вскипятить океан» 7:17
В основе нового подхода Гарри Тана лежит концепция «boil the ocean» (вскипятить океан) — отказ от экономии ресурсов в пользу максимально глубокого анализа. Вместо того чтобы довольствоваться одним источником, агент может изучить 20, сопоставить аргументы и выявить противоречия.
Основные тезисы методологии «токенмаксинга»:
- Агентурный поиск: Использование API Perplexity, X (Twitter) и Grock для сбора контекста, который человек собирал бы месяц.
- Игнорирование стоимости токенов: По мнению Гарри Тана, если дополнительные затраты на токены делают продукт полнее и качественнее, на них нельзя скупиться.
- Человек как агент влияния: ИИ не заменяет людей, но требует от них «агентности» — способности ставить цели и иметь «горящее желание» решить конкретную проблему.
Тан утверждает, что любой вид умственного труда может быть «токенмаксизирован». Однако он подчеркивает, что это не приведет к исчезновению профессий, так как машинам по-прежнему не хватает человеческого вкуса, понимания дизайна и искренней заботы о конечном пользователе.
🛠️ GStack: операционная система для «вайб-кодинга» 10:07
Процесс автоматизации собственных задач привел Гарри Тана к созданию GStack — набора инструментов и промптов, которые он использует в ежедневной работе. GStack вырос из простых заметок в Apple Notes, где Тан фиксировал повторяющиеся инструкции для Claude Code.
Ключевые компоненты GStack:
- ASCII-схемы: Перед началом работы модель обязана создать текстовую диаграмму потоков данных и состояний. Это помогает ИИ лучше загрузить контекст и избежать ошибок в логике.
- CEO Plan: Промпт, имитирующий работу Брайана Чески (Airbnb). Он заставляет ИИ думать о «10-звездочном опыте» и искать решения, которые дают в 10 раз больше ценности при вдвое больших усилиях.
- Office Hours: Симуляция консультации с экспертами YC для проверки востребованности фичи.
- QA-агент (Browse): Инструмент на базе Microsoft Playwright, который автоматически тестирует интерфейс в браузере, имитируя действия пользователя.
Гарри Тан признается, что раньше ненавидел писать тесты, но теперь ИИ позволяет достигать 80–90% покрытия кода тестами без лишних усилий. Это критически важно для перехода от «слопа» (некачественного кода) к надежному продукту.
📈 Производительность 400x: миф или реальность? 30:11
Заявление Тана о росте продуктивности в 400 раз вызвало волну критики в интернете. Многие эксперты утверждают, что количество строк кода не является мерой эффективности. Однако Гарри Тан парирует это данными из репозиториев: после очистки кода от «мусора» и стандартизации логических строк выяснилось, что он действительно пишет в сотни раз больше, чем среднестатистический инженер.
Статистика, приведенная в дискуссии:
- Обычный инженер: выдает около 30–50 строк протестированного, готового к продакшену кода в день.
- Гарри Тан в 2013 году: писал около 14 строк в день, работая на полставки.
- Гарри Тан сегодня: отправляет по 13 PR (запросов на слияние) за 48 часов, управляя 15 ИИ-агентами одновременно.
По мнению Тана, критики просто не пробовали работать с современными инструментами вроде Claude Code. Он считает, что для людей с техническим бэкграундом и хорошим вкусом ИИ становится «крыльями», позволяющими летать.
🏎️ ИИ как Ferrari: почему вам все еще нужен гаечный ключ 24:21
Использование современных моделей ИИ Гарри Тан сравнивает с вождением Ferrari: это невероятно быстро и захватывающе, но машина может сломаться в любой момент. В такие моменты разработчик должен «вылезти с гаечным ключом, открыть капот и починить все самостоятельно».
Участники обсудили концепцию «тонкого каркаса» (thin harness) и «жирных навыков» (fat skills):
- Каркас: Это базовый цикл взаимодействия с LLM. Его не нужно переписывать с нуля, лучше использовать готовые решения вроде Claude Code.
- Навыки: Главная ценность смещается в сторону написания качественного Markdown-кода (инструкций). Тан называет это умением составить чек-лист для организации свадьбы: вы должны на обычном языке объяснить машине, что именно нужно сделать.
Разница между кодом и Markdown, по мнению Гарри Тана, в том, что код хрупок и детерминирован, а LLM обладают «латентным пространством» — они понимают мотивацию пользователя и умеют обрабатывать исключительные ситуации.
🛡️ Личный ИИ против корпоративного контроля 34:25
В финале беседы Гарри Тан затронул экзистенциальный вопрос будущего технологий. Он считает, что мы стоим на пороге революции персональных компьютеров, но в сфере ИИ.
Два сценария развития будущего по версии Гарри Тана:
- Персональный ИИ: У каждого есть своя модель, свои данные, свои промпты и полный контроль над тем, что он видит и создает.
- Корпоративный ИИ: Пользователи потребляют контент через алгоритмы, созданные корпорациями (как лента Facebook), где бизнес-модель важнее интересов человека.
Тан призывает основателей стартапов не экономить на токенах, сравнивая эти расходы с арендой офиса в Сан-Франциско. «Жить в Сан-Франциско дорого, но не жить там — еще дороже», — проводит он аналогию. Точно так же отказ от «токенмаксинга» сегодня может стоить компании конкурентоспособности в будущем.
Итоговая мысль встречи: использование машинного интеллекта позволяет человеку стать «миллиардером времени». Вместо того чтобы тратить часы на рутину, можно «заимствовать» миллионы лет машинного сознания для решения задач, которые действительно важны для человечества.
